پیش بینی تقاضای سفر با استفاده از روش های سری زمانی میانگین متحرک خود همبسته (مطالعه موردی: آزادراه قم-تهران)

پیام:
نوع مقاله:
مطالعه موردی (دارای رتبه معتبر)
چکیده:

کیفیت جریان ترافیک یکی از مشخصات اصلی شبکه حمل ونقل است که کاربرد فراوانی در مسایل مرتبط با برنامه ریزی شهری، اولویت بندی مسیرها، کاهش تراکم ترافیک و زمان سفر دارد؛ بنابراین برآورد میزان حجم ترافیک و پیش بینی آن در آینده یکی از مسایل مهم برنامه ریزان حوزه حمل ونقل است. مسیله پیش بینی، مستلزم مدل سازی و تعیین متغیرهای تاثیرگذار روی تغییرات پدیده ای خاص است. در این پژوهش به پیش بینی تقاضای سفر با استفاده از روش های سری زمانی پرداخته شده است. داده های موردنیاز این تحقیق، از سازمان راهداری و حمل ونقل جاده ای تهیه گردیده است. در این مطالعه به منظور ساخت مدل، از دو فرآیند اتورگرسیو و میانگین متحرک با رویکرد باکس-جنکینز استفاده شده است. . با استفاده از روش های فوق، میزان تقاضا در سال های آتی تا افق 1404 در آزادراه قم-تهران پیش بینی شده است. نتایج مطالعه نشان داد، از بین مدل های خود همبسته و میانگین متحرک و تلفیق دو مدل یعنی میانگین متحرک-خود همبسته، مدل سوم دقت قابل قبول تری دارد. پارامترهای این مدل (4,5) ARMA به دست آمد. همچنین صحت سنجی مدل ساخته شده، بر اساس مقدار میانگین درصد خطای مطلق، 047/0، مقادیر R و R2 به ترتیب 94/0 و 89/0 محاسبه شد که نشان می دهد مدل از دقت قابل قبولی برخوردار است.

زبان:
فارسی
صفحات:
35 تا 50
لینک کوتاه:
magiran.com/p2578983 
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 1,390,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.
In order to view content subscription is required

Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!